深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
601	2024-10-13	SDF4CHD: Generative Modeling of Cardiac Anatomies with Congenital Heart Defects 2023-Nov-08, ArXiv PMID:37961745	研究论文	本文提出了一种用于生成具有先天性心脏缺陷的心脏解剖结构的生成模型	本文提出了一种类型和形状解耦的生成方法，能够捕捉不同先天性心脏缺陷类型中观察到的广泛心脏解剖结构，并合成保留特定先天性心脏缺陷类型独特拓扑结构的形状	NA	改进先天性心脏缺陷患者的诊断和治疗计划	具有先天性心脏缺陷的心脏解剖结构	计算机视觉	先天性心脏缺陷	深度学习	生成模型	图像	NA
602	2024-10-13	Segmentation and classification of skin lesions using hybrid deep learning method in the Internet of Medical Things 2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13524 PMID:38009016	研究论文	本文提出了一种混合深度学习方法，用于在医疗物联网（IoMT）环境中对皮肤病变进行分割和分类	本文的创新点在于结合了Mask Region-based Convolutional Neural Network（MRCNN）和ResNet50两种先进方法，以提高皮肤病变分析的准确性和效率	NA	提高皮肤病变分析的准确性和效率	皮肤病变	计算机视觉	NA	混合深度学习	MRCNN, ResNet50	图像	大量标注的皮镜图像
603	2024-10-13	Radiation pneumonia predictive model for radiotherapy in esophageal carcinoma patients 2023-Oct-17, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-023-11499-6 PMID:37848844	研究论文	本研究探讨了三维剂量分布和临床特征在预测食管癌患者放疗后放射性肺炎中的作用，并设计了一种新的混合深度学习网络来预测放射性肺炎的发生	本研究首次将临床特征整合到深度学习模型中，设计了一种新的混合深度学习网络HybridNet，结合了3D ResNet18和1D卷积层，显著提高了预测精度	NA	探索三维剂量分布和临床特征在预测食管癌患者放疗后放射性肺炎中的作用，并设计新的混合深度学习网络来提高预测精度	食管癌患者放疗后的放射性肺炎	机器学习	食管癌	深度学习	HybridNet（结合3D ResNet18和1D卷积层）	三维剂量分布矩阵和一维临床特征矩阵	105名接受过放疗的食管癌患者
604	2024-10-13	Unbiased image segmentation assessment toolkit for quantitative differentiation of state-of-the-art algorithms and pipelines 2023-Oct-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05486-8 PMID:37828466	研究论文	本文介绍了一个用于评估图像分割算法的无偏评估工具包，通过69种指标对分割数据进行全面评估，并提出了一种基于定量分析、降维或无监督分类技术以及选择标准的模型选择方法	本文提出了一个全面的图像分割评估工具包，包含69种评估指标，并提供了一种基于定量分析和选择标准的模型选择方法	NA	开发一个用于评估图像分割算法的无偏评估工具包，并提出一种模型选择方法	图像分割算法和管道	计算机视觉	NA	NA	NA	图像	NA
605	2024-10-13	disperseNN2: a neural network for estimating dispersal distance from georeferenced polymorphism data 2023-Oct-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05522-7 PMID:37817115	研究论文	本文介绍了一种名为disperseNN2的深度学习工具，用于从地理参考的多态性数据中估计每代平均扩散距离	disperseNN2通过使用样本的地理信息，在处理成对基因型时进行特征提取，从而优于不使用显式空间信息的先进深度学习方法	NA	开发一种新的深度学习工具，用于从地理参考的多态性数据中估计生物的扩散能力	生物的地理遗传变异和扩散距离	机器学习	NA	深度学习	神经网络	多态性数据	10和100个个体
606	2024-10-13	Reliable interpretability of biology-inspired deep neural networks 2023-Oct-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-023-00310-8 PMID:37816807	研究论文	本文研究了生物启发深度神经网络的可解释性问题，并提出了一种提高解释鲁棒性和减少偏差的方法	本文扩展了先前的研究，测试并改进了生物启发模型P-NET的可解释性方法，提出了一种控制解释鲁棒性和偏差的新方法	本文主要关注生物启发模型的可解释性问题，未涉及其他类型的深度学习模型	研究生物启发深度神经网络的可解释性，并提出提高解释鲁棒性和减少偏差的方法	生物启发模型P-NET，训练于患者突变数据	机器学习	NA	深度学习	深度神经网络	患者突变数据	NA
607	2024-10-13	Homologous Pairs of Low and High Temperature Originating Proteins Spanning the Known Prokaryotic Universe 2023-10-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02553-w PMID:37805601	研究论文	本文介绍了通过同源配对方法构建的大规模蛋白质温度数据集learn2thermDB，用于研究蛋白质在高温下的稳定性	本文创新性地构建了一个包含2400万实例和6900万蛋白质对的大规模数据集，远超当前最大规模，为高温稳定性研究提供了新的数据资源	NA	旨在通过大规模数据集推动高温蛋白质稳定性设计方法的创新	蛋白质在高温下的稳定性	生物信息学	NA	同源配对	深度学习	蛋白质序列数据	2400万实例，6900万蛋白质对
608	2024-10-13	A unified method to revoke the private data of patients in intelligent healthcare with audit to forget 2023-10-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-41703-x PMID:37802981	研究论文	提出了一种通过审计指导遗忘过程的方法，用于在智能医疗中撤销患者的私人数据	引入了知识净化方法，统一了审计和遗忘两个任务，并开发了审计遗忘软件（AFS）	未提及具体的技术实现细节和实验结果	保护患者的数据撤销权和隐私	患者的私人数据和预训练的深度学习模型	机器学习	NA	深度学习	深度学习模型	数据集	未提及具体样本数量
609	2024-10-13	Physics-informed neural network with transfer learning (TL-PINN) based on domain similarity measure for prediction of nuclear reactor transients 2023-Oct-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-43325-1 PMID:37803015	研究论文	本文提出了一种基于领域相似性度量的迁移学习物理信息神经网络（TL-PINN），用于预测核反应堆瞬态状态	通过迁移学习方法显著减少了模型训练的迭代次数，实现了对不同核反应堆瞬态状态的快速预测	NA	开发一种准确且快速的核反应堆瞬态状态预测方法，以提高核反应堆的安全性和效率	核反应堆瞬态状态的预测	机器学习	NA	物理信息神经网络（PINN）	迁移学习物理信息神经网络（TL-PINN）	实验参数数据	使用普渡大学反应堆一号（PUR-1）研究反应堆的实验参数生成的不同瞬态状态
610	2024-10-13	Complexities of deep learning-based undersampled MR image reconstruction 2023-10-04, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-023-00372-7 PMID:37789241	综述	本文综述了基于深度学习的欠采样磁共振图像重建方法	探讨了深度学习在解决图像重建等逆问题中的潜力	重建图像的鲁棒性和诊断质量难以评估	帮助研究人员和放射科医生开发新方法或提供有价值的反馈	基于深度学习的磁共振图像重建方法	机器学习	NA	深度学习	NA	图像	NA
611	2024-10-13	Retrosynthesis prediction with an interpretable deep-learning framework based on molecular assembly tasks 2023-Oct-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-41698-5 PMID:37788995	研究论文	本文提出了一种基于分子组装任务的可解释深度学习框架RetroExplainer，用于逆合成预测	将逆合成任务形式化为分子组装过程，并引入了多感官和多尺度图变换器、结构感知的对比学习和动态自适应多任务学习单元，提高了模型的鲁棒性和解释性	NA	加速数字实验室中有机化学研究的自动化逆合成预测	逆合成预测任务	机器学习	NA	深度学习	图变换器	分子数据	12个大规模基准数据集
612	2024-10-13	plotnineSeqSuite: a Python package for visualizing sequence data using ggplot2 style 2023-Oct-03, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-023-09677-8 PMID:37789265	研究论文	介绍了一个名为plotnineSeqSuite的Python包，用于使用ggplot2风格的API可视化序列数据	plotnineSeqSuite是首个在Python中实现ggplot2风格序列相关图形可视化的包，增强了R和Python之间编程绘图的统一性	NA	开发一个Python包，提供类似于R语言中ggseqlogo的API，以降低学习成本并增强编程方法的统一性	序列数据的可视化	生物信息学	NA	NA	NA	序列数据	NA
613	2024-10-13	A deep learning model to triage and predict adenocarcinoma on pancreas cytology whole slide imaging 2023-10-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-42045-w PMID:37783684	研究论文	本文提出了一种深度学习框架MIPCL，用于胰腺细胞学全切片成像中腺癌的分类和预测	MIPCL模型在所有评估指标上显著优于其他两种深度学习模型，并且能够恢复对最终预测贡献最大的切片区域	NA	开发一种辅助筛查工具，用于预测胰腺细胞学全切片成像中腺癌的存在与否	胰腺细胞学全切片成像中的腺癌	数字病理	胰腺癌	深度学习	深度学习框架	图像	通过数据集优化策略增加了训练样本数量
614	2024-10-13	SurfFlow: A Flow-Based Approach for Rapid and Accurate Cortical Surface Reconstruction from Infant Brain MRI 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43993-3_37 PMID:39380670	研究论文	本文介绍了一种基于流的方法，用于从婴儿脑部MRI快速准确地重建皮层表面	提出了一种针对婴儿脑部MRI的皮层表面重建方法，利用三个无缝连接的变形块，能够在一秒内重建高分辨率的皮层表面网格	NA	开发一种能够准确重建婴儿脑部皮层表面的方法，以理解早期大脑发育过程中皮层形态学的快速变化	婴儿脑部的皮层表面	计算机视觉	NA	流形变形	NA	MRI图像	0到12个月大的婴儿MRI数据集
615	2024-10-13	The Impact of Artificial Intelligence on Optimizing Diagnosis and Treatment Plans for Rare Genetic Disorders 2023-Oct, Cureus DOI:10.7759/cureus.46860 PMID:37954711	研究论文	探讨人工智能和机器学习在优化罕见遗传病诊断和治疗方案中的变革性影响	强调人工智能在分析大数据集和加速诊断方面的能力，以及在个性化治疗方案和药物发现中的应用	讨论了人工智能在医疗中的挑战和局限性，包括伦理、法律、技术和人类方面的考虑	探索人工智能和机器学习在解决罕见遗传病诊断和治疗复杂性中的作用	罕见遗传病及其诊断和治疗方案	机器学习	罕见遗传病	人工智能、机器学习、深度学习	NA	数据集	NA
616	2024-10-13	Transcriptome-wide marker gene expression analysis of stress-responsive sulfate-reducing bacteria 2023-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-43089-8 PMID:37758719	研究论文	研究分析了硫酸盐还原菌在环境压力下的转录组标记基因表达	使用转录组标记基因面板映射和基因聚类分析方法，揭示了四种硫酸盐还原菌在压力下的基因调控机制	NA	分析硫酸盐还原菌在环境压力下的遗传机制	四种硫酸盐还原菌的转录组标记基因	基因组学	NA	RNA测序	深度学习	基因数据	4种硫酸盐还原菌的基因组
617	2024-10-13	Non-inferiority of deep learning ischemic stroke segmentation on non-contrast CT within 16-hours compared to expert neuroradiologists 2023-09-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-42961-x PMID:37752162	研究论文	研究使用卷积神经网络（CNN）深度学习模型在非对比CT上对急性缺血性卒中进行分割，并与神经放射科专家的分割结果进行比较	首次展示了深度学习模型在非对比CT上对急性缺血性卒中进行分割的非劣效性，与经验丰富的神经放射科专家相当	研究样本量较小，仅包括232例急性缺血性卒中患者，可能影响结果的普适性	验证深度学习模型在非对比CT上对急性缺血性卒中进行分割的准确性，并与神经放射科专家的分割结果进行比较	急性缺血性卒中患者的非对比CT图像	计算机视觉	中风	卷积神经网络（CNN）	CNN	图像	232例急性缺血性卒中患者
618	2024-10-13	Probabilistic generative transformer language models for generative design of molecules 2023-Sep-25, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-023-00759-z PMID:37749655	研究论文	本文提出了一种基于概率生成转换器的分子生成模型，用于有机分子的生成设计	该模型基于空白填充语言模型，具有高质量生成、可解释性和数据效率高的优势	NA	开发一种可解释且高效的分子生成模型	有机分子	自然语言处理	NA	NA	Transformer	文本	使用MOSES数据集进行基准测试
619	2024-10-13	A review of PET attenuation correction methods for PET-MR 2023-Sep-11, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-023-00569-0 PMID:37695384	综述	本文综述了PET-MR系统中PET衰减校正方法的最新进展	本文将PET衰减校正方法分为四类：基于MR的、基于发射的、基于图谱的和基于机器学习的，并详细讨论了每种方法的优缺点	本文未提供具体的实验数据或结果，而是侧重于方法的分类和讨论	探讨PET-MR系统中PET衰减校正方法的现状和未来发展方向	PET-MR系统中的PET衰减校正方法	计算机视觉	NA	深度学习	深度学习模型	图像	NA
620	2024-10-13	Unsupervised representation learning improves genomic discovery and risk prediction for respiratory and circulatory functions and diseases 2023-Aug-29, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.28.23289285 PMID:37163049	研究论文	介绍了一种基于深度学习的框架REGLE，用于发现基因变异与高维临床数据之间的关联，并应用于呼吸和循环系统疾病的基因发现和风险预测	提出了REGLE框架，使用卷积变分自编码器计算数据的高可遗传性个体成分，并能生成准确的疾病特异性多基因风险评分	NA	利用高维临床数据进行基因发现和风险预测	呼吸和循环系统的功能和疾病	机器学习	呼吸系统疾病	卷积变分自编码器	卷积变分自编码器	高维临床数据	NA